1、D-W检验
reg y x1 x2 x3
estat dwatson
(y为被解释变量 x为解释变量,执行上述命令便可得到D-W值,不过该检验存在无法判断的盲区且只能对一阶自相关进行检验)
2、Box and Pierce's Q 检验
reg y x1 x2 x3
predict e, resid
wntestq e, lags(n)
回归分析是解析注目变量和因子变量并明确两者关系的统计方法。此时,把因子变量称为说明变量,把注目变量称为目标变量(被说明变量)。
差分的阶
称为阶的差分,即前向阶差分 ,如果数学运用根据数学归纳法,有其中,为二项式系数。特别的,有前向差分有时候也称作数列的二项式变换。
首先来看在“无限演算”中所使用的Df(x) = Limit[f(x+h)-f(x),h -> 0]这是定义微分算子D的性质。“有限演算”基于由Δf(x)=f(x+1)-f(x)
定义在差分算子Δ的性质上。
差分与微分有许多类似的性质(事实上微分可认为是差分的极限),对于幂函数的微分有D(x^m) = m * x^(m-1) dx
数值变量资料的一般分析:参数估计,t检验,单因素和多因素的方差分析,协方差分析,交互效应模型,平衡和非平衡设计,嵌套设计,随机效应,多个均数的两两比较,缺项数据的处理,方差齐性检验,正态性检验,变量变换等。
分类资料的一般分析:参数估计,列联表分析 ( 列联系数,确切概率 ) ,流行病学表格分析等。
等级资料的一般分析:秩变换,秩和检验,秩相关等
相关与回归分析:简单相关,偏相关,典型相关,以及多达数十种的回归分析方法,如多元线性回归,逐步回归,加权回归,稳键回归,二阶段回归,百分位数 ( 中位数 ) 回归,残差分析、强影响点分析,曲线拟合,随机效应的线性回归模型等。
其他方法:质量控制,整群抽样的设计效率,诊断试验评价, kappa等。
作图功能
Stata的作图模块,主要提供如下八种基本图形的制作 : 直方图(histogram),条形图(bar),百分条图 (oneway),百分圆图(pie),散点图(two way),散点图矩阵(matrix),星形图(star),分位数图。
这些图形的巧妙应用,可以满足绝大多数用户的统计作图要求。在有些非绘图命令中,也提供了专门绘制某种图形的功能,如在生存分析中,提供了绘制生存曲线图,回归分析中提供了残差图等。
Stata的矩阵运算功能
矩阵代数是多元统计分析的重要工具, Stata提供了多元统计分析中所需的矩阵基本运算,如矩阵的加、积、逆、 Cholesky分解、 Kronecker内积等;还提供了一些高级运算,如特征根、特征向量、奇异值分解等;在执行完某些统计分析命令后,还提供了一些系统矩阵,如估计系数向量、估计系数的协方差矩阵等。
本回答被网友采纳